La IA escala y el criterio dirige. Sin embargo, solo 30% de los CMOs convierten la IA en negocio.

La herramienta ya no es la ventaja. Cualquiera enciende un Performance Max, un Advantage+ o un GPT en la misma tarde en que decide probarlo, y la barrera de entrada al Marketing con IA se derrumbó. Con ella se derrumbó también la idea de que “tener IA” te diferencia de algo.

Lo que diferencia hoy es otra cosa. Es el criterio, la decisión de hacia dónde apuntar toda esa potencia. Un modelo optimiza lo que le pides con una eficiencia que hace un par de años parecía ciencia ficción, pero no elige el objetivo, no cuestiona si el objetivo vale la pena y no te avisa cuando estás escalando algo que no debería escalarse. Esa parte sigue siendo tuya.

Ahí aparece la brecha que casi nadie mira de frente. La adopción de IA en Marketing es altísima. El retorno tangible sobre el Negocio es bastante más modesto, y esa distancia es la que importa.

TODOS TIENEN LA HERRAMIENTA, POCOS CAPTURAN EL VALOR

McKinsey lo dejó en números en su State of AI de noviembre de 2025. El 88% de las organizaciones ya usa IA de forma regular en al menos una función, un salto desde el 78% del año anterior, así que la adopción está prácticamente resuelta. El problema aparece cuando preguntas por el impacto en el resultado. Solo el 39% reporta algún efecto sobre el EBIT a nivel de empresa, y la mayoría de ese grupo dice que menos del 5% de su EBIT es atribuible a la IA. La foto que dibujan esos números es incómoda. Casi todos ya tienen la herramienta encendida, pero muy pocos la convirtieron en dinero que se note en el estado de resultados.

Esa distancia entre “lo usamos” y “nos cambió el Negocio” es la historia real de esta ola, y no es un problema de tecnología. La tecnología funciona, y funciona muy bien. Lo que falla es la dirección.

Cuando bajas al día a día de un equipo de Marketing, la brecha se explica sola. La misma cuenta publicitaria, el mismo modelo de lenguaje y el mismo presupuesto producen resultados opuestos en dos empresas distintas. La variable que cambia no está en la plataforma. Está en quién decide qué optimizar, con qué datos alimentar el algoritmo y qué señal de éxito perseguir.

Vale la pena detenerse en un ejemplo, porque el patrón se ve mejor con nombres y cifras que con teoría. Piensa en dos empresas del mismo rubro que arrancan la misma semana con el mismo Advantage+ y presupuestos parecidos. La primera configura la campaña para maximizar formularios completados, mira el costo por lead cada mañana y celebra cuando ese número baja. En dos meses tiene un costo por lead precioso y un equipo comercial furioso, porque de cada diez contactos apenas uno tiene con qué comprar. La segunda define primero qué es un lead que vale la pena, conecta su CRM para devolverle a la plataforma la señal de “oportunidad real” y no la de “formulario enviado”, y deja que el algoritmo aprenda de esa señal. Su costo por lead se ve peor en el reporte. Su costo por venta cerrada es la mitad. Misma herramienta, misma inversión, resultado inverso, y lo único distinto fue la decisión de qué contarle al modelo.

Ese ejemplo no es una excepción. Es el molde de casi todo lo que separa a un equipo que captura valor de uno que solo consume tokens. La herramienta rara vez es el cuello de botella. El cuello es la definición de éxito que le entregas antes de encenderla.

QUÉ SIGNIFICA CRITERIO EN CONCRETO

“Criterio” suena a palabra de consultora, así que vale la pena bajarla a decisiones específicas. En Marketing casi ninguna de esas decisiones la toma una herramienta por ti.

Una es elegir la conversión correcta antes de dejar que el algoritmo la persiga. Si le pides a Advantage+ que maximice formularios, te va a traer formularios, muchos, baratos y a veces inservibles. El criterio decide que la señal a optimizar es “lead calificado que el equipo comercial acepta” y no “lead a secas”, y después se toma el trabajo de cablear esa señal de vuelta a la plataforma. Ahí está la diferencia entre un tablero que se ve bien y un pipeline que efectivamente se llena.

Otra es saber cuándo un buen ROAS está mintiendo. Un retorno sobre inversión publicitaria alto suele significar que la campaña le está cobrando a la marca una demanda que ya existía, gente que iba a comprar igual. Ese tema lo desarmamos en detalle en el espejismo del ROAS, porque es uno de los que más presupuesto queman con la excusa de la eficiencia. El criterio distingue la venta que la campaña genera de la venta que la campaña se atribuye.

Una tercera es decidir qué no medir. Un reporte con cuarenta métricas no es rigor, es ruido con formato. Escribimos sobre esto en tu reporte tiene 40 métricas y ninguna decisión, y la idea de fondo aplica igual acá. El criterio elige las tres o cuatro métricas que efectivamente cambian una decisión y descarta el resto, aunque el dashboard permita mostrarlas todas.

Una cuarta, menos visible pero igual de decisiva, es saber cuándo apagar algo que funciona. Una campaña puede rendir bien durante meses y aun así estar consumiendo presupuesto que rendiría más en otra parte. El modelo no tiene forma de saber eso, porque optimiza dentro del corral que le pusiste y no ve el costo de oportunidad de todo lo que quedó fuera. Esa lectura de dónde está el próximo punto de crecimiento, y no solo dónde está el rendimiento actual, es criterio en estado puro. Es la diferencia entre administrar lo que ya tienes y decidir hacia dónde crece el Negocio.

Ninguna de esas decisiones la resuelve el modelo. El modelo ejecuta. La dirección la pones tú.

MISMA HERRAMIENTA, DISTINTO RESULTADO

Vale la pena verlo lado a lado, porque el patrón se repite en casi toda la operación. La herramienta es idéntica en las dos columnas. Lo único que cambia es el criterio que la dirige.

La tabla no dice que la automatización sobre. Dice que la automatización amplifica la decisión que hay detrás. Si esa decisión es floja, la IA hace la cosa equivocada más rápido y a mayor escala. Esa es la parte que cuesta digerir, porque la misma potencia que multiplica un buen criterio multiplica también uno malo.

Nosotros usamos una regla simple para ordenar esa conversación con un cliente, y la llamamos la prueba de la señal. Antes de encender o escalar cualquier automatización, respondemos tres preguntas por escrito. Qué resultado de Negocio queremos que crezca, no qué métrica de plataforma. Qué señal exacta le vamos a devolver al modelo para que persiga ese resultado. Y qué número nos haría apagar la campaña aunque las métricas de vanidad se vean bien. Si alguna de las tres queda en blanco, no encendemos nada, porque una automatización sin esas respuestas es un algoritmo optimizando en el vacío. La prueba no tiene nada de sofisticado. Su valor es que obliga a poner el criterio por delante de la herramienta, que es justo el orden que la mayoría invierte.

DÓNDE LA IA SIN DIRECCIÓN QUEMA PRESUPUESTO

Hay patrones que se repiten cuando la potencia corre sin un criterio que la ordene, y los vemos seguido.

El primero es confundir velocidad con crecimiento. Publicas más rápido, generas más variantes, lanzas más campañas, todo se acelera, y la pregunta de si eso mueve el Negocio queda sin responder. Moverse mucho no es lo mismo que avanzar.

El segundo es la caja negra mal alimentada. Los sistemas de puja automatizada son extraordinarios cuando reciben la señal correcta. Cuando les das una señal pobre, optimizan con obediencia perfecta hacia el lugar equivocado, y lo hacen con una eficiencia que hace difícil notar el error hasta que el trimestre ya pasó.

El tercero es el contenido promedio a escala. Un modelo generativo puede producir cien piezas en el tiempo que antes tomaba una. El problema es que cien piezas promedio no suman, se cancelan, y la marca termina hablando mucho y diciendo poco. Sobre por qué la IA rinde cuando se suma a un equipo con criterio y no cuando lo reemplaza, escribimos en por qué la IA no reemplaza equipos.

El cuarto son los experimentos huérfanos. Se corren pruebas porque la herramienta lo permite, no porque haya una hipótesis detrás. Nadie lee el resultado, nadie lo integra, y el aprendizaje se pierde. Testear sin una pregunta clara es solo gastar con pasos extra.

EL PROBLEMA NO ES LA IA, ES QUIÉN LA DIRIGE

Vale la pena traer el contexto de presión en el que ocurre todo esto, porque no es un debate académico. Es un problema de plata en la mesa del directorio.

La presión sobre Marketing subió de nivel. Según The CMO Survey de 2025, la proporción de líderes de Marketing que reporta mayor presión desde el CFO trepó al 63%, desde el 52% del período anterior. En paralelo, Gartner encontró que los presupuestos de Marketing quedaron planos en 7,7% de los ingresos de la empresa, y que el 59% de los CMOs dice que ese presupuesto no alcanza para ejecutar su estrategia. La ecuación es dura. Hay más exigencia de resultados con menos aire de presupuesto, y en el medio una tecnología que promete mucho pero que la mayoría todavía no traduce en EBIT.

Hay un detalle en esos mismos datos que conviene no pasar por alto. Cuando The CMO Survey preguntó de dónde venía el retorno de la IA generativa que sí reportan los equipos, las respuestas se concentraron en eficiencia. Ganan tiempo, bajan algún costo, producen más contenido con el mismo equipo. Todo eso es real y sirve, pero es ahorro de ejecución, no crecimiento de Negocio. Producir el doble de piezas más barato no mueve la aguja si esas piezas persiguen el objetivo equivocado. Ese es exactamente el techo que impone la falta de criterio. La IA baja el costo de hacer, y el problema de fondo casi nunca fue el costo de hacer. Fue decidir qué valía la pena hacer.

En ese escenario, la IA no es la solución mágica que descomprime la presión. Es una palanca que amplifica la calidad de la dirección que ya tenías. Si sabías hacia dónde apuntar, la amplifica a tu favor. Si no lo sabías, amplifica la confusión con una factura más alta.

Ese mismo criterio es el que redefine qué hace valioso a un equipo de Marketing hoy. Los roles que ganan terreno no son los que operan la herramienta, sino los que deciden qué debe optimizar. Ese giro lo mapeamos en la nueva estructura de la gerencia de Marketing, y apunta a lo mismo que este artículo. La ejecución se abarata mientras el juicio se vuelve más caro.

CÓMO LO ESTRUCTURAMOS EN FUTTURE

En Futture ordenamos esto con un modelo propietario, el Business Marketing Model, que estructura la operación en tres ejes. Dirección, donde se define la estrategia y el caso de inversión, es decir hacia dónde apunta la potencia y por qué. Crecimiento, que abarca Performance Media, SEO, AEO, GEO, CRM y contenido, es decir la ejecución donde la IA hace su trabajo a escala. E Inteligencia y Operación, que cierra el círculo con la medición y la mejora continua que alimentan de vuelta la dirección. La lógica es simple. La IA vive en el eje de ejecución, pero la gobiernan la dirección y la inteligencia, que son las capas de criterio. Para ver cómo se traduce eso en una operación concreta, contamos cómo funciona una fuerza laboral digital de agentes dentro de ese marco.

EL CONTRAPUNTO HONESTO

Sería cómodo cerrar acá con la moraleja de que el criterio humano lo resuelve todo, pero hay una objeción válida que conviene poner sobre la mesa. Los modelos ya no solo ejecutan, empiezan a proponer. Sugieren audiencias, redactan hipótesis de campaña y arman variantes de mensaje que a veces superan a las del equipo. La frontera entre ejecutar y decidir se está moviendo, y quien diga lo contrario no está mirando lo que estas herramientas hacen hoy.

Es cierto, y aun así el argumento se sostiene, porque alguien sigue teniendo que elegir qué propuesta del modelo aceptar, con qué objetivo de Negocio contrastarla y cuándo desoírla. Que la IA sugiera no traslada la responsabilidad del resultado. La corre de “hacer la tarea” a “juzgar la tarea”, que es un trabajo más exigente. El criterio no desaparece cuando el modelo se vuelve más listo, se vuelve más importante.

Hay un dato que respalda ese corrimiento. Microsoft, en su Work Trend Index de 2025, midió que el trabajador promedio se interrumpe cada dos minutos, unas 275 veces al día, entre reuniones, correos y mensajes. En medio de ese ruido, la escasez real no es capacidad de ejecución, que la IA vuelve casi infinita. Es atención dirigida, la capacidad de decidir a qué prestarle esa potencia. Eso es exactamente lo que no se comoditiza.

QUÉ HARÍAMOS ESTA SEMANA

Nada de esto requiere comprar una herramienta nueva. Con lo que ya tienes encendido, hay cuatro movimientos que separan la potencia con dirección de la potencia sin ella.

Primero, revisar qué señal está optimizando cada campaña automatizada y confirmar que sea una conversión de Negocio y no una métrica intermedia cómoda. Segundo, auditar el ROAS de tus campañas de marca para ver cuánto de ese retorno es demanda que ya existía. Tercero, recortar el reporte semanal a las pocas métricas que efectivamente disparan una decisión. Cuarto, tomar el próximo experimento y exigirle una hipótesis y un dueño antes de correrlo. Los cuatro son gratis, y los cuatro son criterio y no tecnología.

LO QUE NO SE COMODITIZA

La IA seguirá abaratándose y volviéndose más potente. Eso ya está descontado, y es una buena noticia. Lo que no se comoditiza es la capacidad de apuntar toda esa potencia al lugar correcto, elegir el objetivo que vale la pena y reconocer cuándo el número que se ve bien está mintiendo.

La herramienta se igualó para todos. La ventaja volvió a ser el juicio de quien la dirige. En Futture partimos de ahí, no desde la teoría sino desde hacer que el Marketing funcione, porque al final del trimestre lo que se mide no es cuánta IA usaste, sino cuánto Negocio moviste con ella.